Homoscedasticity - Hvad er det, definition og koncept

Homoscedasticitet er et kendetegn ved en lineær regressionsmodel, der indebærer, at variansen af ​​fejlene er konstant over tid.

Dette udtryk, som er det modsatte af heteroscedasticitet, bruges til at navngive egenskaben for nogle lineære regressionsmodeller, hvor estimeringsfejlene er konstante gennem observationer. En konstant afvigelse giver os mulighed for at have mere pålidelige modeller. Desuden, hvis en varians, bortset fra at være konstant, også er mindre, vil det resultere i en mere pålidelig modelforudsigelse.

Ordet homoscedasticitet kan opdeles i to dele, homo (lige) og cedasticitet (dispersion). På en sådan måde, at hvis vi slutter os til disse to ord tilpasset fra græsk, ville vi opnå noget som samme dispersion eller samme dispersion.

Homoscedasticitet i en lineær regressionsmodel

Homoscedasticitet er en ønskelig egenskab ved fejl i en simpel regressionsmodel. Homoscedasticity, som vi har sagt før, giver os mulighed for at fremstille mere pålidelige modeller. Og denne pålidelighed afspejles i det faktum, at det er meget lettere for økonometrikere at arbejde med modellen.

Modellen nedenfor viser homoscedasticitet. Det er ikke det perfekte eksempel, men det er ægte, som vi bedre kan forstå konceptet med.

I det forrige billede kan vi se en graf, der repræsenterer prisen på IBEX35. Citatet refererer til en periode valgt tilfældigt fra 89 perioder. Den røde linje repræsenterer IBEX35-estimatet. Indikatoren svinger mere eller mindre ensartet ned og op på den linje.

For at se om vores model har egenskaben homecedasticitet, det vil sige for at se om variansen af ​​dens fejl er konstant, beregner vi fejlene og plotter dem på en graf.

Vi kan ikke med sikkerhed sige, at modellen har egenskaben homoscedasticitet. Til dette skal vi udføre de tilsvarende tests. Imidlertid indikerer grafens form, at den er. Et perfekt eksempel på en homoscedastisk proces udført med vilje med et computerprogram afspejles i følgende grafik.

Billedet af, hvad der ville være ideelt, og vores eksempel på IBEX35 adskiller sig. Derfor skal vi forstå, hvilke virkelige fænomener der gør det vanskeligt at opfylde denne antagelse.

Som angivet i artiklen om heteroscedasticitet er der visse konsekvenser af, at en model ikke opfylder hypotesen om homoscedasticitet. Husk at hvis en model ikke opfylder antagelsen om homoscedasticitet, så har dens fejl heteroscedasticitet, og følgende opstår:

• Eksistensen af ​​fejl i beregningerne af matricerne svarende til estimatorerne.
• Modelens effektivitet og pålidelighed går tabt.

Forskelle mellem homoscedasticitet og heteroscedasticitet

Heteroscedasticitet adskiller sig fra homoscedasticity ved, at i sidstnævnte er variansen af ​​fejlene i de forklarende variabler konstant gennem alle observationer. I modsætning til heteroscedasticitet kan værdien af ​​en variabel i homekedastiske statistiske modeller forudsige en anden (hvis modellen er upartisk), og derfor er fejl almindelige og konstante gennem hele undersøgelsen.

De væsentligste situationer, hvor der forekommer heteroscedastiske forstyrrelser, er analyser med tværsnitsdata, hvor de valgte elementer, hvad enten det er virksomheder, enkeltpersoner eller økonomiske elementer, ikke har en homogen adfærd blandt dem.